Transcript Ekonomi Manajerial Estimasi Permintaan dalam Perekonomian Global Bab 4 :

Ekonomi Manajerial
dalam Perekonomian Global
Bab 4 :
Estimasi Permintaan
Bahan Kuliah
Program Pascasarjana-UHAMKA
Program Studi Magister Manajemen
Dosen : Dr. Muchdie, PhD in Economics
Jam Konsultasi : Kamis, 16.00-16.30
Telp : 0812-826-3034
Pokok Bahasan
• Masalah Identifikasi
• Pendekatan Penelitian Pemasaran untuk
Estimasi Permintaan
• Analisis Regresi Sederhana
• Analisis Regresi Berganda
• Masalah dalam Analisis Regresi
• Mengestimasi Permintaan Regresi
Masalah Identifikasi
Observasi Harga-Quantitas TIDAK SECARA LANGSUNG menghasilkan kurva
Permintaan dari suatu komoditas
Estimasi Permintaan:
Pendekatan Riset Pemasaran
• Survei Konsumen : mensurvei konsumen bgm
reaksi tehd jumlah yg diminta jika ada perubahan harga,
pendapatan, dll menggunakan kuisioner
• Penelitian Observasi : pengumpulan informasi
ttg preferensi konsumen dgn mengamati bgmana mereka
membeli dan menggunakan produk
• Klinik Konsumen : eksperimen lab dimana
partisipan diberi sejumlah uang tertentu dan diminta
membelanjakannya dalam suatu toko simulasi dan
mengamati bgmana reaksi mereka jika terjadi perubahan
harga, pendapatan, selera, dll
• Eksperimen Pasar : mirip klinik konsumen, tetapi
dilaksanakan di pasar yang sesungguhknya
Analisis Regresi
Scatter Diagram
Year
X
Y
1
10
44
2
9
40
3
11
42
4
12
46
5
11
48
6
12
52
7
13
54
8
13
58
9
14
56
10
15
60
Persamaan Regresi : Y = a + bX
Analisis Regresi
• Garis Regresi : Line of Best Fit
• Garis Regresi : meminimunkan jumlah dari
simpangan kuadrat pada sumbu vertikal
(et) dari setiap titik pada garis regresi
tersebut.
• Metode OLS (Ordinary Least Squares):
metode jumlah kuadrat terkecil
Menggambarkan Garis Regresi
et  Yt  Yˆt
Analisis Regresi Sederhana
Metode : OLS
Model:
Yt  a  bX t  et
ˆ
ˆ
ˆ
Yt  a  bX t
ˆ
et  Yt  Yt
Metode OLS
Tujuan: menentukan kemiringan
(slope) dan intercept yang
meminimumkan jumlah simpangan
kuadrat (sum of the squared errors).
n
n
n
t 1
t 1
2
2
ˆ
ˆ
ˆ
 e   (Yt  Yt )   (Yt  a  bX t )
t 1
2
t
Metode OLS
Prosedur Estimasi :
n
ˆ
b
(X
t 1
t
 X )(Yt  Y )
n
(X
t 1
t
ˆ
â  Y  bX
 X)
2
Metode OLS
Contoh Estimasi
Time
Xt
1
2
3
4
5
6
7
8
9
10
10
9
11
12
11
12
13
13
14
15
120
n  10
Yt
44
40
42
46
48
52
54
58
56
60
500
n
n
 X t  120
 Yt  500
t 1
n
X 120
X  t 
 12
10
t 1 n
t 1
n
Y 500
Y  t 
 50
10
t 1 n
Xt  X
Yt  Y
-2
-3
-1
0
-1
0
1
1
2
3
-6
-10
-8
-4
-2
2
4
8
6
10
n
(X
t 1
t 1
( X t  X )2
12
30
8
0
2
0
4
8
12
30
106
4
9
1
0
1
0
1
1
4
9
30
t
 X ) 2  30
106
bˆ 
 3.533
30
t
 X )(Yt  Y )  106
aˆ  50  (3.533)(12)  7.60
n
(X
( X t  X )(Yt  Y )
Metode OLS
Contoh Estimasi
n
X 
n  10
n
X
t 1
t
n
(X
t 1
t 1
 120
n
Y
t 1
t
n
 500
Yt 500

 50
10
t 1 n
Y 
t
 X )  30
106
ˆ
b
 3.533
30
t
 X )(Yt  Y )  106
aˆ  50  (3.533)(12)  7.60
2
n
(X
t 1
X t 120

 12
n
10
Uji Signifikansi
Standard Error of the Slope Estimate
sbˆ 
2
ˆ
 (Yt  Y )
( n  k ) ( X t  X )
2

e
(n  k ) ( X  X )
2
t
t
2
Uji Signifikansi
Contoh Perhitungan
Yˆt
et  Yt  Yˆt
et2  (Yt  Yˆt )2
( X t  X )2
44
42.90
1.10
1.2100
4
9
40
39.37
0.63
0.3969
9
3
11
42
46.43
-4.43
19.6249
1
4
12
46
49.96
-3.96
15.6816
0
5
11
48
46.43
1.57
2.4649
1
6
12
52
49.96
2.04
4.1616
0
7
13
54
53.49
0.51
0.2601
1
8
13
58
53.49
4.51
20.3401
1
9
14
56
57.02
-1.02
1.0404
4
10
15
60
60.55
-0.55
0.3025
9
65.4830
30
Time
Xt
Yt
1
10
2
 (Y  Yˆ )
( n  k ) ( X  X )
2
n
n
 et2   (Yt  Yˆt )2  65.4830
t 1
t 1
n
 ( X t  X )2  30
t 1
sbˆ 
t
t
2

65.4830
 0.52
(10  2)(30)
Uji Signifikansi
Contoh Perhitungan
n
n
t 1
t 1
2
2
ˆ
e

(
Y

Y
)
 t  t t  65.4830
n
2
(
X

X
)
 30
 t
t 1
2
ˆ
 (Yt  Y )
65.4830
sbˆ 

 0.52
2
( n  k ) ( X t  X )
(10  2)(30)
Uji Signifikansi
Perhitungan : t-Statistic
bˆ 3.53
t 
 6.79
sbˆ 0.52
Derajat Bebas = (n-k) = (10-2) = 8
Critical Value at 5% level =2.306
Uji Signifikansi
Decomposition of Sum of Squares
Total Variation = Explained Variation + Unexplained Variation
2
2
ˆ
ˆ
 (Yt  Y )   (Y  Y )   (Yt  Yt )
2
Uji Signifikansi
Decomposition of Sum of Squares
Uji Signifikansi
Koefisien Determinasi
2
ˆ
 (Y  Y )
Explained Variation
R 

2
TotalVariation
 (Yt  Y )
2
373.84
R 
 0.85
440.00
2
Uji Signifikansi
Koefisien Korelasi
ˆ
r  R withthe sign of b
2
1  r  1
r  0.85  0.92
Analisis Regresi Berganda
Model:
Y  a  b1 X1  b2 X 2 
 bk ' X k '
Analisis Regresi Berganda
Adjusted Coefficient of Determination
(n  1)
R  1  (1  R )
(n  k )
2
2
Analisis Regresi Berganda
Analysis of Variance and F Statistic
Explained Variation /(k  1)
F
Unexplained Variation /(n  k )
R /(k  1)
F
2
(1  R ) /(n  k )
2
Masalah-Masalah dalam
Analisis Regresi
• Multicollinearity: Dua atau lebih variabel
bebas mempunyai korelasi yang sangat
kuat.
• Heteroskedasticity: Variance of error
term is not independent of the Y variable.
• Autocorrelation: Consecutive error terms
are correlated.
Durbin-Watson Statistic
Uji Autocorrelation
n
d
2
(
e

e
)
 t t 1
t 2
n
2
e
t
t 1
If d=2, autocorrelation is absent.
Langkah-Langkah Estimasi
Permintaan dengan Regresi
• Spesifikasi Model dengan Cara
Mengidentifikasi Variabel-Variabel, misalnya :
Qd = f (Px, I, Py, A, T)
• Pengumpulan Data
• Spesifikasi Bentuk Persamaan Permintaan
Linier : Qd = A - a1Px + a2 I + a3 Py + a4 A + a5 T
Pangkat : Qd = A(Px)b(Py)c
• Estimasi Nilai-Nilai Parameter
• Pengujian Hasil
Lain-Lain/Penutup
• Ringkasan (8 butir)
• Pertanyaan Diskusi (15
pertanyaan)
• Soal-soal (15 Soal) termasuk
Soal Gabungan No. 15
• Alamat Situs Internet